CN112122352A - 一种提高酸洗产品缺陷精准定位的控制方法 - Google Patents
一种提高酸洗产品缺陷精准定位的控制方法 Download PDFInfo
- Publication number
- CN112122352A CN112122352A CN201910547476.XA CN201910547476A CN112122352A CN 112122352 A CN112122352 A CN 112122352A CN 201910547476 A CN201910547476 A CN 201910547476A CN 112122352 A CN112122352 A CN 112122352A
- Authority
- CN
- China
- Prior art keywords
- defect
- strip steel
- length
- defects
- tail
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B37/00—Control devices or methods specially adapted for metal-rolling mills or the work produced thereby
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21B—ROLLING OF METAL
- B21B45/00—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills
- B21B45/02—Devices for surface or other treatment of work, specially combined with or arranged in, or specially adapted for use in connection with, metal-rolling mills for lubricating, cooling, or cleaning
- B21B45/0269—Cleaning
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Cleaning And De-Greasing Of Metallic Materials By Chemical Methods (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种提高酸洗产品缺陷精准定位的控制方法,属于酸洗生产技术领域。该方法首先将带钢尾部150米区域设定为带钢尾部缺陷自动判定区域,将其均分为五个物理分段,然后从带钢缺陷的历史数据中建立缺陷定位数据表;当带钢计入机组进行生产时,根据实时获取的带钢目标厚度,从缺陷定位数据表中读取每一物理分段的缺陷长度预测值,当带钢的缺陷剪切位置到达出口横剪时,对带钢进行剪切。本发明通过对酸洗机组所有历史生产数据进行数学方法分析和挖掘预判带钢尾部缺陷发生的位置,并按照产品品种、规格进行分级控制,并将缺陷定位设计到控制系统的产品剪切设定中,从而降低机组的废次发生率,提高机组成材率。
Description
技术领域
本发明涉及一种提高酸洗产品缺陷精准定位的控制方法,属于酸洗生产技术领域。
背景技术
目前,钢铁企业的酸洗机组在严峻的市场环境以及生产成本的双重考验下,围绕降本增效要求,大都采取市场倒逼、技术降本等措施,从而提高了酸洗产品的市场竞争力。申请人进一步对酸洗机组的废次降率以及成材率进行深入分析,发现由于产品缺陷定位不准,大量的带有缺陷的产品降级导致机组废次降率居高不下,或者将质量正常的产品带入缺陷产品中,成为机组成材率无法提高的关键因素。所以,通过对酸洗产品缺陷的精确定位,进而将缺陷定位设计到控制系统的产品剪切设定中,使缺陷精准的剪切到相应的产品(缺陷产品、正常产品)中,能够降低机组的废次降发生率,提高机组成材率。
酸洗机组通常以生产高强钢厚料为主,产品规格为1.2mm-8.0mm,钢种涵盖了普碳钢、超低碳钢、汽车结构钢、搪瓷钢等等。酸洗产品缺陷一般集中在带钢头部和尾部,其中头部缺陷可以在机组入口通过人工肉眼判断进行预处理,而尾部缺陷分布在每个钢卷内圈,只能在生产过程中机组出口位置进行人工判定,由于机组生产速度快,采用人工方式很难做到“快速定位”和“精准判定”,存在缺陷“漏判”和“误判”问题。
申请人检索发现,公开号为CN104942015A的中国专利《一种冷轧机组中酸洗工艺段智能控制方法和系统》公开了一种冷轧机组中酸洗工艺段智能控制方法,在收集大量酸洗工艺段样本数据的基础上,通过人工神经网络方法为带钢设定酸洗工艺参数,据此对酸洗工艺段智能控制,从而提高带钢表面质量。但是,该方法仍然无法避免带钢缺陷的问题。
发明内容
本发明要解决技术问题是:提供一种能够精确对酸洗产品的缺陷进行精准定位的方法。
为了解决上述技术问题,本发明提出的技术方案是:一种提高酸洗产品缺陷精准定位的控制方法,包括以下步骤:
步骤一、将带钢尾部150米区域设定为带钢尾部缺陷自动判定区域,将其均分为五个物理分段;
步骤二、建立缺陷定位数据表
以带钢目标厚度为基准,从带钢缺陷的历史数据中随机采集每一物理分段内的N个带钢缺陷数据,得到该物理分段内所有缺陷对应的缺陷长度,其中N为整数;
将缺陷长度按数值大小平均分成k组,统计缺陷长度位于每一组的频次,并根据以下公式计算该物理分段内的缺陷长度预测值M:
式中,pi为缺陷长度位于第i组的频次,li为第i组缺陷长度范围的中点值;
步骤三、当带钢计入机组进行生产时,根据实时获取的带钢目标厚度,从缺陷定位数据表中读取每一物理分段的缺陷长度预测值,按照以下规则判断缺陷剪切位置:
1)缺陷剪切位置的始点位于产生缺陷的开始位置;
2)如果缺陷长度不足30米就在缺陷结束位置延长到30米为止;
3)无缺陷带钢长度只要超过30米由视为正常卷;
步骤四、当带钢的缺陷剪切位置到达出口横剪时,对带钢进行剪切。
本发明通过对酸洗机组所有历史生产数据进行数学方法分析和挖掘预判带钢尾部缺陷发生的位置,并按照产品品种、规格进行分级控制,并将缺陷定位设计到控制系统的产品剪切设定中,从而降低机组的废次发生率,提高机组成材率。
附图说明
图1是本发明实施例中部分缺陷判定的剪切位置示意图。
图2是本发明实施例中所有可能的缺陷判定的剪切位置示意图。
图中,L表示SPHC产品总长度,L1~L5表示分段Ⅰ~分段Ⅴ的缺陷实际长度;剪刀符号表示剪切位置,灰色格子表示带钢缺陷;剪切位置1~剪切位置4的数据表示剪切位置的带钢长度值。
具体实施方式
实施例一
本实施例的提高酸洗产品缺陷精准定位的控制方法,包括以下步骤:
步骤一、将带钢尾部150米区域设定为带钢尾部缺陷自动判定区域,将其均分为五个物理分段。
申请人根据统计分析酸洗过程生产缺陷数据,发现酸洗产品缺陷位置基本上都落在带钢尾部0~150米区域,缺陷长度不超过30米。为此本发明设定缺陷自动判定的总长度为150米,从带钢尾部开始设定为分段Ⅰ、分段Ⅱ、分段Ⅲ、分段Ⅳ、分段Ⅴ共5个物理分段,每个物理分段长度设为30米。
步骤二、建立缺陷定位数据表
以带钢目标厚度为基准,从带钢缺陷的历史数据中随机采集每一物理分段内的N个带钢缺陷数据,得到该物理分段内所有缺陷对应的缺陷长度,其中N为整数;理论上N值越大越好,但申请人发现,一般大于50结果即可接受,因此本实施例对运算速度与结果之间进行折中,N取100。
将缺陷长度按数值大小平均分成k组(同样地,理论上K值越大越好,本例中K=6),统计缺陷长度位于每一组的频次,如表1所示即为分段Ⅰ中各缺陷长度出现的频次。
表1
组 | 1 | 2 | 3 | 4 | 5 | 6 |
长度范围(米) | 0~5 | 5~10 | 10~15 | 15~20 | 20~25 | 25~30 |
范围中点值(米) | 2.5 | 7.5 | 12.5 | 17.5 | 22.5 | 27.5 |
出现频次 | 9 | 20 | 30 | 20 | 15 | 6 |
所占比例 | 0.09 | 0.2 | 0.3 | 0.2 | 0.15 | 0.06 |
并根据以下公式计算该物理分段内的缺陷长度预测值M:
式中,pi为缺陷长度位于第i组的频次,li为第i组缺陷长度范围的中点值。
由表1可知,在分段Ⅰ中缺陷长度预测值为:
2.5*0.09+7.5*0.2+12.5*0.3+17.5*0.2+22.5*0.15+27.5*0.06=14米。
其他分段的缺陷长度预测值可采用同样的方法得到,从而得到如表2所示的各分段带钢缺陷定位表。
表2
分段 | 1 | 2 | 3 | 4 | 5 |
缺陷标志f | f1 | f2 | f3 | f4 | f5 |
缺陷长度l,m | L1 | L2 | L3 | L4 | L5 |
其中f1~f5表示分段Ⅰ~分段Ⅴ是否有缺陷标志,“1”表示有缺陷,“0”表示有无缺陷;L1~L5表示分段Ⅰ~分段Ⅴ内的缺陷长度。
步骤三、当带钢计入机组进行生产时,根据实时获取的带钢目标厚度,从缺陷定位数据表中读取每一物理分段的缺陷长度预测值,按照以下规则判断缺陷剪切位置:
1)缺陷剪切位置的始点位于产生缺陷的开始位置;
2)如果缺陷长度不足30米就在缺陷结束位置延长到30米为止;
3)无缺陷带钢长度只要超过30米由视为正常卷。
根据f1~f5缺陷标志总共可以分为32种缺陷判定规则,以表3的SPHC产品部分缺陷数据为例,可以得出如图1所示的SPHC产品部分缺陷判定的剪切位置。本实施例中所有32种判定缺陷剪切位置的规则如图2所示。
表3
步骤四、当带钢的缺陷剪切位置到达出口横剪时,对带钢进行剪切。
本实施例通过对产品缺陷的精准判定,预测剪切位置,能够提高剪切设定精度,降低酸洗产品因带有缺陷而导致整卷降级缺陷卷的产生。同时对缺陷的准确预判剪切,也减少正常产品带入缺陷卷从而导致产品浪费,降低酸洗产品的废次降发生率。因此,在缺陷剪切位置确定后,需要与基础自动化之间建立控制接口,进行剪切位置的设定以及产品实绩信息处理,通过前一卷剪切完成信号触发剪切位置设定电文发给基础自动化PLC。
在生产过程中,进行产品剪切设定下发时,通过剪切位置设定接口电文下发剪切位置到一级PLC系统,当钢卷剪切位置到达出口横剪时一级PLC系统向设备传送剪切动作进行剪切,PLC系统再将生产基本数据通过剪切完成电文传送到过程控制系统,过程控制系统根据生产基本数据以及缺陷控制系统的数据,生成产品生产信息以及产品质量信息。
另外,由于缺陷控制系统需要长期的数据训练与修正,所以需要将现场采集的缺陷数据实时收集到过程控制系统中,进行数据学习修正缺陷判定数据。在机组生产过程中,质检台质量检测人员根据实际情况,对产品缺陷数据进行采集,一级PLC系统将采集的产品缺陷数据通过缺陷数据信息电文传送到过程控制系统,过程控制系统对产品缺陷数据分析整理,存入出口钢卷的历史缺陷数据表,并加入到缺陷训练及控制系统进行训练学习。
本发明不局限于上述实施例所述的具体技术方案,除上述实施例外,本发明还可以有其他实施方式。对于本领域的技术人员来说,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等形成的技术方案,均应包含在本发明的保护范围之内。
Claims (3)
1.一种提高酸洗产品缺陷精准定位的控制方法,包括以下步骤:
步骤一、将带钢尾部150米区域设定为带钢尾部缺陷自动判定区域,将其均分为五个物理分段;
步骤二、建立缺陷定位数据表
以带钢目标厚度为基准,从带钢缺陷的历史数据中随机采集每一物理分段内的N个带钢缺陷数据,得到该物理分段内所有缺陷对应的缺陷长度,其中N为整数;
将缺陷长度按数值大小平均分成k组,统计缺陷长度位于每一组的频次,并根据以下公式计算该物理分段内的缺陷长度预测值M:
式中,pi为缺陷长度位于第i组的频次,li为第i组缺陷长度范围的中点值;
步骤三、当带钢计入机组进行生产时,根据实时获取的带钢目标厚度,从缺陷定位数据表中读取每一物理分段的缺陷长度预测值,按照以下规则判断缺陷剪切位置:
1)缺陷剪切位置的始点位于产生缺陷的开始位置;
2)如果缺陷长度不足30米就在缺陷结束位置延长到30米为止;
3)无缺陷带钢长度只要超过30米由视为正常卷;
步骤四、当带钢的缺陷剪切位置到达出口横剪时,对带钢进行剪切。
2.根据权利要求1所述的提高酸洗产品缺陷精准定位的控制方法,其特征在于:步骤二中,N>50。
3.根据权利要求1所述的提高酸洗产品缺陷精准定位的控制方法,其特征在于:步骤二中,k=6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910547476.XA CN112122352B (zh) | 2019-06-24 | 2019-06-24 | 一种提高酸洗产品缺陷精准定位的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910547476.XA CN112122352B (zh) | 2019-06-24 | 2019-06-24 | 一种提高酸洗产品缺陷精准定位的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112122352A true CN112122352A (zh) | 2020-12-25 |
CN112122352B CN112122352B (zh) | 2022-03-15 |
Family
ID=73849394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910547476.XA Active CN112122352B (zh) | 2019-06-24 | 2019-06-24 | 一种提高酸洗产品缺陷精准定位的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112122352B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000176543A (ja) * | 1998-12-09 | 2000-06-27 | Kawasaki Steel Corp | 鋼板の検査方法、製造方法、及び熱延鋼板の処理設備、並びに冷延鋼板の製造設備 |
CN101030082A (zh) * | 2006-03-01 | 2007-09-05 | 上海宝信软件股份有限公司 | 钢卷缺陷数据的收集和翻送方法 |
CN102688902A (zh) * | 2011-03-24 | 2012-09-26 | 上海宝钢工业检测公司 | 轧机平整机轧辊倾斜引起带钢缺陷位置的检测方法 |
CN104751288A (zh) * | 2015-03-30 | 2015-07-01 | 北京首钢自动化信息技术有限公司 | 一种钢卷分段多维在线质量判定系统及其方法 |
CN105478491A (zh) * | 2014-09-29 | 2016-04-13 | 宝山钢铁股份有限公司 | 一种带钢振动纹缺陷位置的定位方法 |
-
2019
- 2019-06-24 CN CN201910547476.XA patent/CN112122352B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000176543A (ja) * | 1998-12-09 | 2000-06-27 | Kawasaki Steel Corp | 鋼板の検査方法、製造方法、及び熱延鋼板の処理設備、並びに冷延鋼板の製造設備 |
CN101030082A (zh) * | 2006-03-01 | 2007-09-05 | 上海宝信软件股份有限公司 | 钢卷缺陷数据的收集和翻送方法 |
CN102688902A (zh) * | 2011-03-24 | 2012-09-26 | 上海宝钢工业检测公司 | 轧机平整机轧辊倾斜引起带钢缺陷位置的检测方法 |
CN105478491A (zh) * | 2014-09-29 | 2016-04-13 | 宝山钢铁股份有限公司 | 一种带钢振动纹缺陷位置的定位方法 |
CN104751288A (zh) * | 2015-03-30 | 2015-07-01 | 北京首钢自动化信息技术有限公司 | 一种钢卷分段多维在线质量判定系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112122352B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751288B (zh) | 一种钢卷分段多维在线质量判定系统及其方法 | |
CN109360415B (zh) | 一种道路交通流异常数据识别方法 | |
CN103631681A (zh) | 一种在线修复风电场异常数据的方法 | |
CN111080054B (zh) | 一种热轧带钢宽度质量自动评价方法及系统 | |
CN110287456A (zh) | 基于数据挖掘的大盘卷轧制表面缺陷分析方法 | |
CN116342073A (zh) | 一种书刊印刷数字信息管理系统及其方法 | |
CN201540486U (zh) | 一种冷轧钢卷厚度数据系统 | |
CN112785115B (zh) | 一种冷轧原料库质量预审核方法 | |
CN112122352B (zh) | 一种提高酸洗产品缺陷精准定位的控制方法 | |
CN113640380A (zh) | 钢轨伤损检测多级分类方法及系统 | |
CN109272760B (zh) | 一种scats系统检测器数据异常值的在线检测方法 | |
CN105224733B (zh) | 风电功率弃风数据特征识别的方法 | |
CN113118869B (zh) | 圆盘剪剪刃使用里程的确定方法、系统及工控设备 | |
CN114896735A (zh) | 改进偏最小二乘的热轧带钢头部浪形缺陷原因识别方法 | |
LU503778B1 (en) | The method for wind speed downscaling of wind farms based on super-resolution reconstruction technology | |
DE102019132029A1 (de) | Herstellung eines gewünschten Metallwerkstücks aus einem Metallflachprodukt | |
CN110796361A (zh) | 一种基于人工智能的idc设备故障风险评估方法 | |
CN116433085A (zh) | 一种轧制过程控制系统性能评估方法 | |
CN114943465A (zh) | 基于数据分析的企业管理咨询服务系统 | |
CN108090673B (zh) | 一种冷轧带钢的实物板形的评价方法 | |
CN110414606B (zh) | 输电线路通道可视化告警区域划分数量的确定方法 | |
Saied et al. | Material and energy wastes reduction in steel production through the application of lean manufacturing tools | |
CN114331195A (zh) | 一种影响热轧带钢全长质量的过程曲线风险评价方法 | |
CN117538332B (zh) | 一种基于机器视觉的钢材低倍缩孔缺陷识别及评价方法 | |
CN111366702A (zh) | 一种无取向硅钢在线智能精准分切系统及其在线智能精准分切方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |